云计算技术及其应用的迅猛发展使得数据中心的数量和规模不断扩大,由此带来的高能耗低效率问题日益严重。虚拟化技术是支撑云计算平台的关键技术,对虚拟机进行调度优化是改善数据中心整体能效的重要手段。改善数据中心的能效意味着要提高物理主机的资源利用率,但高利用率又会引发虚拟机间对资源的争用,从而导致性能干扰问题的发生,虚拟机的性能无法得到保证,易出现违反服务等级协议（SLA）的情形。因此,虚拟机的性能和数据中心的能效往往不能同时达到最优。此外,由于云环境中虚拟机负载状态变化频繁,仅依靠监控获取的负载值存在较大的滞后性。若能准确地预测虚拟机负载的变化情况,将对虚拟机的合理调度有促进作用。综上,做好虚拟机负载的监控和预测,定义性能干扰并建模,以此为依据对虚拟机进行合理调度,在保证虚拟机性能的同时降低数据中心的能耗,是当前亟待解决的问题。本文的主要研究内容如下:（1）本文调研了虚拟机负载预测与性能干扰建模的相关研究,指出其在实时性、准确性和全面性上存在的不足,首先提出了基于CNN-LSTM的虚拟机负载预测方法（简称ACRUF）,该方法考虑了不同资源的负载模式,针对性地进行特征工程与模型构造,较好的改善了多步预测中对波动较大的负载的预测效果。在负载预测的基础上,构建了多维度资源性能干扰模型,针对虚拟机和物理主机的性能干扰进行定量建模,并提出了“持续性能干扰度”的概念来衡量虚拟机和主机未来一段时间的干扰程度。负载预测和性能干扰模型将为合理的调度优化决策提供重要参考。（2）针对现有主机过载检测算法存在的滞后性和鲁棒性不足的问题,本文提出了基于持续性能干扰度的主机过载检测算法（简称CIHOD）。该算法首先根据ACRUF预测出未来一段时间的利用率数据,再基于多维度性能干扰模型来计算主机的持续性能干扰度,衡量主机未来一段时间的干扰程度,判断和筛选出过载物理主机。实验结果表明,CIHOD能有效降低SLA违反率,同时减少非必要的迁移。（3）为保证虚拟机性能且降低云数据中心能耗,本文提出了基于性能干扰感知的虚拟机调度优化策略（简称IAVMS）。该策略首先根据CIHOD进行主机过载检测;然后,通过策略中基于DTW距离的最大相似性虚拟机选择算法（简称DTW-MC）,选择与其他虚拟机负载相似性最高的虚拟机执行迁移,较大程度地缓解源主机上的虚拟机对过载资源的竞争;接着通过策略中基于性能干扰-能效优化的主机选择算法（简称IETHS）,维护一个放置后持续性能干扰度较小的候选主机列表,并在其中选择最接近最佳能效的目标主机,在减少对目标主机产生性能干扰影响的同时尽可能保证主机以高能效运转。在此期间,策略会对虚拟机和主机的状态进行管理,在销毁或迁移完虚拟机后及时休眠欠载主机,以降低能耗。在扩展了多资源仿真功能的Multi RECloudsim平台上的实验结果表明:与其他虚拟机调度策略相比,IAVMS策略有效减少了违反SLA情况发生（SLA至少改善了7.03%）,且迁移次数最少,并在能耗方面取得较好的折中效果。